使用渐进式眼睑跟踪的生命活性检测的制作方法
优先权要求
本专利申请要求于2015年6月24日提交的题为“livenessdetectionusingprogressiveeyelidtracking”的序号为14/749,193的美国申请的优先权的权益，该申请要求于2014年11月13日提交的题为“livenessdetectioninfacialrecognitionwithspoof-resistantprogressiveeyelidtracking”的序号为62/079,011的美国临时专利申请的优先权的权益，所有这些申请的全部内容通过引用特此并入本文。
本文所描述的实施例总体上涉及生物计量计算机认证，以及更具体地涉及使用防假冒的渐进式眼睑跟踪的面部识别中的生命活性检测。
背景技术：
出于认证目的的面部识别允许用户使用她的面部来向计算机系统进行认证。一般地，对用户的面部进行捕获和分析以产生并存储特征集，以在建立过程期间唯一地识别用户。当用户希望在将来的认证尝试中使用其面部时，照相机将捕获用户的面部的表示并对其进行分析，以确定其是否足够地匹配所存储的特征集。当用户的面部的当前图像捕获与所存储的特征集之间得以足够匹配时，用户认证到计算机系统。
附图说明
在附图中，不一定按比例绘制，同样的数字在不同的视图中可以描述类似的组件。具有不同字母后缀的同样的数字可以表示类似组件的不同实例。附图作为示例而非作为限制，总体地示出了本文档中所讨论的各种实施例或示例。
图1是根据实施例的用于使用渐进式眼睑跟踪的生命活性检测的系统的示例的框图。
图2是根据实施例的眨眼中的眼睑运动的序列的示例。
图3是根据实施例的跟踪眼睛的眨眼特性的帧序列。
图4是示出根据实施例的典型人类眨眼模式中的眼睑序列的图表。
图5示出了根据实施例的在基于图像操纵的动画的生命活性假冒攻击期间所观察到的示例异常眨眼模式。
图6是示出根据实施例的用于使用渐进式眼睑跟踪的生命活性检测的方法的流程图。
图7是示出可以在其上实现一个或多个实施例的机器的示例的框图。
具体实施方式
生命活性检测是指对呈现给生物计量设备的、具有破坏识别系统的意图的人造对象进行检测的过程。例如，采用面部识别作为认证手段的系统可以使用生命活性检测来确定正在被认证的用户的面部是否是“有生命的”(例如，物理存在的)，而不仅仅是用户的面部的图像或视频。面部识别中的当前生命活性检测技术的缺陷正在阻止采用面部识别作为安全认证机制。当前的生命活性检测手段(例如，眨眼检测和头部运动跟踪)可能不足够安全，或者可能无法提供积极的用户体验。没有可靠、一致且用户友好的手段来阻止假冒尝试，面部识别将不被接受为对基于密码的认证的主流替代。本文所公开的实施例通过使用对人类眼睑运动进行用户友好且鲁棒的检测而解决假冒漏洞来加强面部识别。所公开的实施例通过渐进式地跟踪用户的眼睑的运动来抵抗假冒攻击(例如，图像操纵的动画)，同时需要最少的用户交互，由此产生更加用户友好的认证过程。
用于生命活性检测的现有解决方案可以使用眨眼或头部运动跟踪作为区分真实人类与假冒人类的手段。市售的一些当前面部识别产品中部署的眨眼检测解决方案使用二进制眼睛状态——“眼睛张开”和“眼睛闭合”——并通过计算这两种状态之间的差异来检测眨眼。这些现有解决方案具有若干缺点。首先，因为如果用户正在行走或以其它方式运动(例如，在车辆里或在车辆上)，则错误眨眼检测趋于增加，所以这些现有的解决方案通常需要用户在面部捕获期间保持静止，以设法防止错误眨眼检测。第二，这些现有的解决方案通常需要非常好的照明条件。第三，这些现有的解决方案通常需要具有优良的信噪比(“snr”)的非常好的照相机。第四，这些现有的解决方案通常需要用户的眼睛张大；这些现有的解决方案通常对于较小的眼睛或对于在远处的面部还不起作用。最后，这些现有的解决方案趋于容易被图像操纵的动画假冒。
相比之下，本文所描述的实施例使用几乎任何数字照相机(包括当前市售的大多数低成本笔记本电脑中所包括的低质量的、嵌入式照相机)而成功地执行。在示例中，数字照相机的snr并不重要，因为跟踪了眼睛运动的序列；序列中存在的任何噪声(即使显著)可能存在于序列的每个帧中，并且算法析出该噪声。
当眼睑从闭合位置运动到张开位置和/或从张开位置运动到闭合位置时，跟踪用户的眼睑的运动。将张开到闭合和/或闭合到张开的运动与自然人类眼睑运动的模型进行比较。运动的比较产生双眼是否已经眨动的确定。在示例中，此确定仅发生在用户的眼睑的运动与眨眼模型足够匹配时，由此抵抗假冒攻击。一些可观察条件(例如，生命活性检测期间的突然的头部运动、移动或挥动图像，和/或照明变化)可能导致检测到错误眨眼。在示例中，使用一个或多个算法来减轻这些可观察条件中的一个或多个可观察条件的影响。
图1是根据实施例的用于图像生物计量的系统105的示例的框图和基于图像操纵的动画100的眨眼假冒攻击的图示。在基于图像操纵的动画100的眨眼假冒攻击中，对面部的第一图像102的副本104进行操纵以使得副本104中的面部看起来具有与第一图像102中的面部相反的眨眼状态。例如，如果在面部的第一图像102中眼睛张开，则将对面部的图像的副本104进行操纵以使得眼睛看起来闭合。然后，两个图像102、104将被组合成动画100，其在两个图像102、104之间循环106、108。
不复杂的假冒攻击可能涉及将动画修改为以相同的速率在两个图像之间转变。更复杂的假冒攻击可能涉及将动画修改为以对于眼睑转变来说典型的速率在两个图像之间转变。人类眨眼之间的典型间隔为两至十秒，并且眨眼的典型周期为100至400毫秒(ms)。由此，在更复杂的攻击中，从眼睛张开的图像到眼睛闭合的图像的转变可以定时为每两至十秒发生，而从眼睛闭合的图像到眼睛张开的图像的转变可以定时为在50ms与200ms之间(例如，正常眨眼周期的大约一半)发生。本文所公开的实施例能够抵抗这些生命活性假冒攻击二者以及其它。
系统105可以包括传感器120(例如，数字照相机或录像机、不可见光检测器等)、可选地包括显示器145(例如，屏幕、监视器、可见光发射器等)、可选地包括附加的发射器150(例如，红外(ir)或其它不可见或可见光谱发射器)、感兴趣区域检测器130、同步性检测器135、以及生命活性指示控制器140。系统105可以还包括用于实际执行用户115的认证的认证控制器(未示出)。如下文关于图7所描述的，这些组件中的每个组件在诸如电路组的计算机硬件中实现。
如本文所使用的，术语“可见光”表示对于对象(例如，用户)可见的光。术语“红-绿-蓝”在本文中用作“可见光”的同义词，而不是指示特定的颜色模型。由此，可以以rgb颜色模型或cmyk颜色模型以及其它来表示“红-绿-蓝”光。
系统105可以从传感器120获得图像序列。图像序列包括第一多个图像(例如，帧、图片等)，其包括用户的面部的表示。如本文所使用的，身体部位的表示是实际部位的传感器表示。由此，用户的面部的数字图像是面部的表示。如所示出的，传感器120是具有包围图像操纵的动画100的视场110的照相机。在示例中，可以对所获得的图像序列进行处理以减少噪声(例如，应用滤波器)。在示例中，可以对所获得的图像序列进行处理以减少颜色信息。在示例中，颜色信息可以被减少到每像素一位(例如，黑色和白色)。
在示例中，感兴趣区域检测器130获得对应于来自传感器120的面部的面部数据并确定面部的感兴趣区域。在示例中，感兴趣区域包括眼睛及其相关联的眼睑。在示例中，感兴趣区域检测器130检测用户的面部的图像内的两个感兴趣区域：与用户的右眼和眼睑相对应的一个感兴趣区域(“右侧感兴趣区域”)和与用户的左眼和眼睑相对应的一个感兴趣区域(“左侧感兴趣区域”)。
同步性检测器(sd)135可以对图像序列中的右侧感兴趣区域和左侧感兴趣区域之间的相关性进行量化，以产生右侧感兴趣区域和左侧感兴趣区域相关程度的同步性度量。由此，将右侧感兴趣区域和左侧感兴趣区域进行比较以确定其接近程度。然后将值赋给该接近度。该值可以是若干离散值、真实表示(例如，计算硬件所允许的精度的数值表示)、二进制表示等中的一个。
在示例中，相关性可以是所测量的眨眼序列符合眨眼模型的程度。在该示例中，强相关性指示有生命的人，而弱相关性指示假冒尝试。在示例中，所测量的眨眼序列符合模型的程度可以通过处理(通过模式识别器)根据眼睛未被眼睑遮挡的百分比计算的一系列相应分数来确定。在该示例中，模式识别器基于该模型来检查异常眼睑序列或异常眨眼序列中的至少一个的一系列相应分数。在示例中，模式识别器可以在验证了眼睑序列是正常的之后连续检查异常眨眼序列。也就是说，首先执行眼睑序列检查。如果眼睑序列检查通过，则检查异常眨眼序列。
生命活性指示控制器(lic)140可以响应于同步性度量超出阈值而提供假冒尝试指示。在示例中，除了提供假冒指示之外或代替提供假冒指示，lic140可以提供生命活性指示或以其它方式将人类面部分类为有生命的。在示例中，可以使用假冒尝试指示来拒绝认证尝试。在示例中，将假冒指示提供给要在认证过程中使用的另一个系统组件。
图2是根据实施例的眨眼中的眼睑运动的序列200的示例。随着序列200从帧205进行到210到215，眼睛正在眨动而关闭。帧215至220和225示出了眨眼序列200的张开部分。
图3是根据实施例的跟踪眼睛的眨眼特性的帧序列300。具体地，序列300示出了当眼睛从张开位置转变到闭合位置时的典型的人类眨眼模式。针对每个帧305-330示出了眼睛(底部)的原始图像以及眼睛(顶部)的二进制(例如，黑色和白色)图像版本，以示出示例如何跟踪帧序列中的眼睑的位置。可以使用眼睑位置的序列(例如，所示出的眼睑位置的序列)来检测帧序列300中的眼睑是以自然的(例如，正常的)方式还是不自然的(例如，异常的)方式在眼睛张开(例如，帧305)位置和眼睛闭合(例如，帧330)位置之间转变。在示例中，从眼睛闭合(例如，帧330)、到眼睛部分张开(例如，帧310-325中的任何一个帧)、然后到眼睛完全张开(例如，帧305)监控像素强度变化。在示例中，以相反的顺序监控像素强度变化。在示例中，监控两个顺序(例如，眼睛闭合到眼睛张开以及眼睛张开到眼睛闭合)的像素强度变化。在示例中，监控许多(例如，超过3个)不同的眼睑运动的状态。
图4是示出根据实施例的针对两只眼睛中的每一只眼睛的典型的人类眨眼模式中的眼睑序列的图表400。在图表400中，x轴是时间，而y轴是眼睑张开程度的度量。如图4所示，人类的正常眨眼模式遵从眼睛张开状态和眼睛闭合状态之间的正弦波状波形。此外，正常眨眼模式在眨眼之前具有稳定的眼睛张开位置，然后在眨眼期间大体上具有均匀的闭合眼睑序列和张开眼睑序列。
虽然左眼和右眼以近似的同步性运动并产生类似的运动，但是在人类的正常眨眼模式中，左眼和右眼通常显示出彼此之间的细微变化。使用操纵的图像和图像操纵的动画模拟的眨眼通常不示出这样的序列。在示例中，模式识别器对眼睛张开运动405、眼睛闭合运动、或两者进行操作。在图400所示的示例中，模式识别器对眼睛张开运动405进行操作。
图5示出了根据实施例的在基于图像操纵的动画的生命活性假冒攻击期间针对两只眼睛中的每一只眼睛观察到的示例异常眨眼模式500。在示例中，具有低振幅和或高抖动的眼睑动作被检测到并标记为异常的。在示例中，检测到不同步的眼睑运动并标记为异常。在示例中，不同步的眼睑运动包括在相反方向上运动的眼睑。
图6是示出根据实施例的用于使用防假冒渐进式眼睑跟踪的面部识别中的生命活性检测的方法600的流程图。
在602处，通过照相机捕获到据称有生命的人类用户的一系列帧。
在603处，可选地，使用红外(“ir”)传感器来扫描照相机的视场(“fov”)或视角(“aov”)的一部分。在示例中，ir传感器检测由fov内的物质发射的热辐射。在示例中，ir传感器检测在ir传感器的fov内可见的物体内部和物体之中的热变化。有生命的、三维人类面部具有温度上的明显变化(例如，鼻尖典型地比面部的其它部分更凉等)，而诸如照片或屏幕显示的二维图像并不表现出这些温度上的明显变化。在示例中，由ir传感器捕获的热图像可以用于：通过将该面部的热图像与面部的热模型进行比较、由此确定面部的热图像是否表现出这些温度上的明显变化来确定在热图像内检测到的面部是否是有生命的。
在示例中，ir传感器检测ir深度图像(例如，具有与图像的每个像素相关联的深度坐标的照相机的fov的图像)。有生命的、三维人类面部具有深度上的变化(例如，鼻子比嘴唇突出得更远等)，而诸如照片或屏幕显示的二维图像并不具有深度上的变化。在示例中，由ir传感器捕获的ir深度图像可以用于：通过将面部的ir深度图像与面部的深度模型进行比较、由此确定面部的ir深度图像是否表现出这些深度上的变化来确定在ir深度图像内检测到的面部是否是有生命的。
在示例中，ir深度图像是由ir光源(例如，发射器)产生的，ir光源将结构化的(例如，图案化的)ir光投射到照相机的fov的一部分上，然后计算由ir发射器发射的ir光结构与由fov中的对象反射的ir光结构之间的差异。在示例中，ir光的发射器是照相机本身。在另一个示例中，ir光的发射器是与照相机分隔开的发射器。ir光的图案可以是点图案、条纹图案等。
在示例中，ir深度图像是由ir源产生的，ir源将ir光发射到照相机的fov的一部分上，然后计算发射ir光时的时钟时间与ir传感器检测到由fov中的对象反射的ir光时的时钟时间之间的差异。这也被称为“飞行时间”。
在604处，对每个所捕获的帧执行面部和眼睛检测算法。距离照相机镜头超过24英寸的面部的图像趋于含有太多的噪声而无法使用。在示例中，仅处理包含具有足够特征质量的面部和眼睛区域的帧图像以用于眨眼检测。
在606处，在每个所捕获的帧中针对每只眼睛提取感兴趣区域(“roi”)。每个相应的roi包括相应眼睛的相应眼睑。
在608处，可选地，对一个或多个帧的一个或多个roi执行图像校正，以增强质量差的图像中的眼睛特征。在一些可选示例中，对roi执行噪声和/或伽玛(gamma)校正。在一些可选示例中，使用抖动校正算法来检测并消除(或以其它方式析出)由自然面部运动(例如，在步行时或在运动的车辆中)造成的图像伪影。
由照相机捕获的一些帧可能已经在不利的照明条件(例如，非常暗的光或非常亮的光)下被捕获，或者当用户正在佩戴眼镜时被捕获。在不利的照明条件下，眼睛与其周围环境之间缺乏对比度可能会使眼睛模糊。当用户正在佩戴眼镜时，彩色或甚至透明的眼镜镜片的反射可能会使眼睛模糊。在这些情况中，眼睛可能在可见光谱中被模糊。
为了解决模糊的或不利的照明条件问题，ir光可以可选地用于增强图像以提供感兴趣区域的更好的图像。在示例中，照相机的fov中的对象反射的周围环境ir光被捕获并用于产生感兴趣区域的图像。在示例中，ir发射器使用ir光来照亮照相机的fov(或其一部分)中的对象，并且照相机的fov中的对象反射的反射ir光被捕获并用于产生感兴趣区域的图像。
在610处，可选地，将一个或多个帧的一个或多个roi转换成二进制(例如，黑色和白色)roi图像。
在612处，对于每个roi图像，确定张开的眼睑的百分比并产生与该百分比相对应的眨眼分数。在示例中，然后将眨眼分数输入到眼睑跟踪器队列中。
在614处，执行检查以确保足够量的眨眼分数条目在眼睑跟踪器队列中。在示例中，如果眨眼分数条目的量n大于或等于阈值量x，则认为n是足够的。如果足够量的眨眼分数在眼睑跟踪器队列中，则模式识别器620处理眼睑跟踪器队列中的一系列眨眼分数。
在624处，模式识别器620检查不类似于自然人类眨眼运动的异常眼睑序列(例如，快速眼睑运动、连续条目中的不趋于在相同方向上的不稳定的眼睑运动、每只眼睛不与另一只眼睛同步等)的一系列眨眼分数。例如，一只眼睛或两只眼睛可能瞬时地而非渐进式地从张开状态转变到闭合状态。作为另一示例，右眼和左眼可能在相反的方向上运动。
在示例中，模式识别器620通过检测并忽略不规则的眼睑运动并且仅当检测到有效的眼睑闭合到打开(或打开到闭合)循环时才触发检测，来使由抖动头部运动造成的眨眼的错误检测最小化。这样的示例抵抗在传统的眨眼算法中可能触发错误检测的使用图像操纵的动画的攻击以及“挥动照片”攻击。
在626处，做出关于在一系列眨眼分数内是否发现异常序列的决定。
在628处，如果在一系列眨眼分数内发现异常序列，则模式识别器620将返回错误并退出。
在630处，如果模式识别器620返回错误628，则将断定生命活性失败。在示例中，生命活性失败包括检测到可能的假冒攻击的指示。
在632处，如果模式识别器620在一系列眨眼分数内并没有发现异常序列，则模式识别器620将尝试在一系列眨眼分数内发现对应于有效眨眼序列模式的眨眼序列。人类眨眼之间的典型间隔为两至十秒，并且眨眼的典型周期为100ms至400ms。由此，在示例中，包含相隔小于两秒或相隔大于十秒的眨眼循环的眨眼序列将不对应于有效眨眼序列模式，并且包含具有小于100ms或大于400ms的周期的眨眼的眨眼序列将不对应于有效眨眼序列模式。
在633处，可选地，模式识别器620尝试确定一系列眨眼分数与用户尝试认证的一个或多个历史眨眼序列的密切相关的程度。在示例中，如果该相关度高于确定的阈值，则方法600可以用作除了生命活性检测机制之外的认证因素。
在634处，做出关于在一系列眨眼分数内是否发现有效眨眼序列的决定。
在636处，如果在一系列眨眼分数内没有发现有效眨眼序列，则模式识别器620退出、对模式识别器结果进行处理637、并且用于生命活性检测的方法600重新启动638。
在640处，如果在一系列眨眼分数内发现了有效眨眼序列，则模式识别器620退出、对模式识别器结果进行处理637，并且断定生命活性检测成功642。
图7是示出机器700的示例的框图，在该机器700上可以实现一个或多个实施例。在示例中，机器700作为独立设备操作，或者连接(例如，联网)到其它机器。在联网的部署中，机器700在服务器机器、客户端机器的容量中运行，或者在服务器-客户端网络环境两者中运行。在示例中，机器700用作对等(p2p)(或其它分布式的)网络环境中的对等机。机器700是个人计算机(pc)、平板式pc、机顶盒(stb)、个人数字助理(pda)、移动电话、网络设备、网络路由器、交换机或网桥、或能够执行指定要由该机器采取的动作的指令(顺序的或以其它方式的)的任何机器。此外，虽然仅示出了单个机器700，但是术语“机器”还应被视为包括单独或共同执行一组(或多组)指令以执行本文所讨论的方法中的任何一种或多种方法的机器700的任何集合，例如，云计算、软件即服务(saas)、其它计算机集群配置。
如本文所描述的示例可以包括逻辑或多个组件、模块或机制，或者可以在逻辑或多个组件、模块或机制上操作。模块是能够在操作时执行指定操作的有形实体(例如，硬件)。在示例中，硬件被特别地配置(例如，硬连线的)为执行指定操作。在示例中，硬件包括可配置的执行单元(例如，晶体管、电路等)和包含指令724的机器可读介质722，其中指令724将执行单元配置为在操作时执行指定操作。在示例中，该配置在执行单元或加载机制的指导下发生。相应地，当设备运行时，执行单元可通信地耦合到机器可读介质722。在示例中，执行单元是多于一个模块的成员。在示例中，在操作中，执行单元由第一组指令配置为在一个时间点时实现第一模块，并且由第二组指令重新配置为在另一个时间点时实现第二模块。
在示例中，机器(例如，计算机系统)700包括硬件处理器702(例如，中央处理单元(cpu)、图像处理单元(gpu)、硬件处理器核心或其任何组合)、主存储器704、和/或静态存储器706，其中的一些或全部经由互连(例如，总线)708相互通信。在示例中，机器700还可以包括显示单元710、字母数字输入设备712(例如，键盘)、以及用户界面(ui)导航设备714(例如，鼠标)。在示例中，显示单元710、输入设备712、以及ui导航设备714是一个或多个触摸屏显示器。在示例中，机器700附加地包括存储设备(例如，驱动单元)716、信号产生设备718(例如，扬声器)、网络接口设备720、以及一个或多个传感器721，例如，全球定位系统(gps)传感器、罗盘、加速度计或其它传感器。在示例中，机器700包括输出控制器728，例如，串行(例如，通用串行总线(usb)、并行或其它有线或无线(例如，红外(ir)、近场通信(nfc)等)连接以与一个或多个外围设备(例如，打印机、读卡器等)通信或对其进行控制。
在示例中，存储设备716包括机器可读介质722，其上存储有由本文所描述的技术或功能中的任何一种或多种体现或利用的一组或多组数据结构或指令724(例如，软件)。在示例中，在由机器700执行指令724期间，指令724还完全地或至少部分地驻留在主存储器704内、在静态存储器706内、或在硬件处理器702内。在示例中，硬件处理器702、主存储器704、静态存储器706、或存储设备716中的一个或任何组合构成机器可读介质722。
虽然机器可读介质722被示为单个介质，但是在示例中，术语“机器可读介质”包括被配置为存储一个或多个指令724的单个介质或多个介质(例如，集中式或分布式数据库和/或相关联的高速缓存和服务器)。
在示例中，术语“机器可读介质”包括任何以下介质722：能够存储、编码或携带指令724以用于由机器700执行并使得机器700执行本公开的技术中的任何一种或多种技术，或者能够存储、编码或携带由这些指令724使用或与这些指令724相关联的数据结构。非限制性机器可读介质722示例包括固态存储器、光介质以及磁介质。在示例中，大容量机器可读介质722包含具有多个具有静止质量的粒子的机器可读介质722。大容量机器可读介质722的具体示例包括：非易失性存储器，例如，半导体存储设备(例如，电可编程只读存储器(eprom)、电可擦除可编程只读存储器(eeprom))和闪存设备；磁盘，例如，内部硬盘和可移动磁盘；磁光盘；以及cd-rom和dvd-rom磁盘。
在示例中，通过使用传输介质的通信网络726经由网络接口设备720利用多个传输协议(例如，帧中继、因特网协议(ip)、传输控制协议(tcp)、用户数据报协议(udp)、超文本传输协议(http)等)中的任何一个传输协议来发送或接收指令724。示例通信网络包括局域网(lan)、广域网(wan)、分组数据网络(例如，因特网)、移动电话网络(例如，蜂窝网络)、普通老式电话(pots)网络和无线数据网络(例如，被称为
附加注释和示例
示例1包括主题(例如，设备、装置或机器)，其包括：照相机，其用于捕获可见光谱中的一系列帧；面部检测器，其用于在多个所捕获的帧中的每个帧内检测包括一双眼睛的用户的面部；感兴趣区域提取器，其用于从多个相应的所捕获的帧内的每个所捕获的帧中提取相应的一对感兴趣区域，每个相应的感兴趣区域包括检测到的相应的一双眼睛的相应眼睛以及对应于相应眼睛的相应眼睑；眼睛遮挡检测器，其用于针对每个感兴趣区域计算与相应眼睛未被相应眼睑遮挡的百分比相对应的相应分数；以及生命活性指示器，其用于通过在机器上执行的模式识别器来指示生命活性，模式识别器分析一系列相应分数对以用于异常眼睑运动序列。
在示例2中，示例1的主题可以包括，其中指示生命活性包括：在模式识别器已经发现了异常眼睑序列时，生命活性指示器断定在所捕获的一系列帧内检测到的用户的面部在捕获期间不是有生命的。
在示例3中，示例1至2中的任何一个示例的主题可以包括，在模式识别器还未发现异常眼睑序列时，第二模式识别器在第二机器上执行，第二模式识别器分析一系列相应分数对以用于有效眼睑运动序列。
在示例4中，示例1至3中的任何一个示例的主题可以包括，其中指示生命活性包括：在第二模式识别器已经发现了有效眼睑运动时，生命活性指示器断定在所捕获的一系列帧内检测到的用户的面部在捕获期间是有生命的。
在示例5中，示例1至4中的任何一个示例的主题可以包括，其中每个相应的感兴趣区域对包括：与检测到的一双眼睛中的左眼和左眼睑相对应的相应的左侧感兴趣区域；与检测到的一双眼睛中的右眼和右眼睑相对应的相应的右侧感兴趣区域；并且其中异常眼睑序列对应于在相反方向上运动的左眼睑和右眼睑。
在示例6中，示例1至5中的任何一个示例的主题可以包括，用于获得用户的面部的红外图像的红外传感器；并且其中生命活性检测包括使用用户的面部的红外图像。
在示例7中，示例1至6中的任何一个示例的主题可以包括，其中一系列帧是红-绿-蓝图像，并且其中使用用户的面部的红外图像包括将来自一系列帧的帧与用户的面部的红外图像进行组合。
在示例8中，示例1至7中的任何一个示例的主题可以包括，用于照亮用户的面部的一部分的红外发射器；以及从面部反射的红外光的红外反射模型。
在示例9中，示例1至8中的任何一个示例的主题可以包括，其中红外图像是热图像。
在示例10中，示例1至9中的任何一个示例的主题可以包括，其中红外反射模型是根据反射的红外光计算的红外深度图像。
在示例11中，示例1至10中的任何一个示例的主题可以包括，用于降低来自一系列帧的所捕获的帧内的图像噪声的降噪模块。
在示例12中，示例1至11中的任何一个示例的主题可以包括，用于校正来自一系列帧的所捕获的帧内的低水平光的光校正模块。
在示例13中，示例1至12中的任何一个示例的主题可以包括，用于在计算相应的感兴趣区域的相应分数之前将感兴趣区域转换为二进制图像的转换模块。
示例14包括主题(例如，方法、用于执行动作的模块、包括当由机器执行时使得机器执行动作的指令的机器可读介质、或用于执行的装置)，其包括：从照相机捕获可见光谱中的一系列帧；在多个所捕获的帧中的每个帧内检测包括一双眼睛的用户的面部；从多个相应的所捕获的帧内的每个所捕获的帧中提取相应的一对感兴趣区域，每个相应的感兴趣区域包括检测到的相应的一双眼睛的相应眼睛以及对应于相应眼睛的相应眼睑；针对每个感兴趣区域，计算与相应眼睛未被相应眼睑遮挡的百分比相对应的相应分数；以及通过在机器上执行的模式识别器来指示生命活性，模式识别器分析一系列相应分数对以用于异常眼睑运动序列。
在示例15中，示例14的主题可以包括，其中指示生命活性包括：在模式识别器发现异常眼睑序列时，断定在所捕获的一系列帧内检测到的用户的面部在捕获期间不是有生命的。
在示例16中，示例14至15中的任何一个示例的主题可以包括，在模式识别器没有发现异常眼睑序列时，在第二机器上执行第二模式识别器，第二模式识别器分析一系列相应分数对以用于有效眼睑运动序列。
在示例17中，示例14至16中的任何一个示例的主题可以包括，其中指示生命活性包括：在第二模式识别器发现有效眼睑运动时，断定在所捕获的一系列帧内检测到的用户的面部在捕获期间是有生命的。
在示例18中，示例14至17中的任何一个示例的主题可以包括，其中每个相应的感兴趣区域对包括：与检测到的一双眼睛中的左眼和左眼睑相对应的相应的左侧感兴趣区域；与检测到的一双眼睛中的右眼和右眼睑相对应的相应的右侧感兴趣区域；并且其中异常眼睑序列对应于在相反方向上运动的左眼睑和右眼睑。
在示例19中，示例14至18中的任何一个示例的主题可以包括，经由红外传感器获得用户的面部的红外图像；并且其中生命活性检测包括使用用户的面部的红外图像。
在示例20中，示例14至19中的任何一个示例的主题可以包括，其中一系列帧是红-绿-蓝图像，并且其中使用用户的面部的红外图像包括将来自一系列帧的帧与用户的面部的红外图像进行组合。
在示例21中，示例14至20中的任何一个示例的主题可以包括，使用红外光照亮用户的面部的一部分；以及使用从面部反射的红外光的红外反射模型。
在示例22中，示例14至21中的任何一个示例的主题可以包括，其中红外图像是热图像。
在示例23中，示例14至22中的任何一个示例的主题可以包括，其中红外反射模型是根据所反射的红外光计算的红外深度图像。
在示例24中，示例14至23中的任何一个示例的主题可以包括，降低来自一系列帧的所捕获的帧内的图像噪声。
在示例25中，示例14至24中的任何一个示例的主题可以包括，校正来自一系列帧的所捕获的帧内的低水平光。
在示例26中，示例14至25中的任何一个示例的主题可以包括，在计算相应的感兴趣区域的相应分数之前将感兴趣区域转换为二进制图像。
示例27包括一种装置，其包含用于执行如前述示例中的任何示例中的方法的模块。
示例28包括一种机器可读存储介质，其包括指令，当指令由机器执行时，使得机器实现方法或实现前述示例中的任何示例的装置。
本文中已经使用了面部识别、模式识别以及计算机安全领域中的常规术语。这些术语是本领域已知的，并且为了方便起见仅提供作为非限制性示例。相应地，除非另有说明，否则对权利要求中的对应的术语的解释不限于任何特定定义。
虽然本文已经示出并描述了具体实施例，但是本领域的普通技术人员将理解，被计算以实现相同目的的任何布置可以替代所示出的具体实施例。许多改动对于本领域普通技术人员将是显而易见的。相应地，本申请旨在涵盖任何改动或变化。
上文的具体实施方式包括对附图的参考，其形成具体实施方式的一部分。附图借助于图示说明示出了可以在其中实践本文所讨论的方法、装置以及系统的具体实施例。这些实施例在本文中也被称为“示例”。这些示例可以包括除了所示出或所描述的元素之外的元素。然而，本发明人还构思了其中仅提供所示出或所描述的那些元素的示例。此外，本发明人还构思了使用所示出或所描述的那些元素(或其一个或多个方面)的任何组合或置换的示例，或者关于特定示例(或其一个或多个方面)，或者关于本文所示出或所描述的其它示例(或其一个或多个方面)。
附图中的流程图和框图示出了根据本公开的各种方面的系统、方法以及计算机程序产品的可能实施方式的架构、功能以及操作。在这方面，流程图或框图中的每个框可以表示代码的模块、段或部分，其包含用于实现指定的(多个)逻辑功能的一个或多个可执行指令。还应当指出的是，在一些替代实施方式中，框中所指出的功能可能不按附图中所指出的顺序发生。例如，可以大体上同时执行连续示出的两个框，或者有时可以以相反的顺序来执行该框，这取决于所涉及的功能。还将指出的是，框图和/或流程图图示的每个框，以及框图和/或流程图图示中的框的组合可以由执行指定功能或动作的基于专用硬件的系统来实现，或者由专用硬件与计算机指令的组合来实现。
本文所描述的功能或过程可以以软件或软件与和人类实现的过程的组合来实现。软件可以由存储在机器可读介质(例如，存储器或其它类型的存储设备)上的机器可执行指令组成。术语“机器可读介质”也用于表示机器可以通过其来接收机器可读指令的任何模块，例如，通过不同形式的有线或无线传输。此外，这些功能对应于模块，该模块为软件、硬件、固件或其任何组合。可以如所期望的在一个或多个模块中执行多个功能，并且所描述的实施例仅仅是示例。软件可以在在计算机系统(例如，个人计算机、服务器或其它计算机系统)上操作的数字信号处理器、asic、微处理器或其它类型的处理器上执行。在本文档中，如专利文档中常用的，使用术语“一(a)”或“一个(an)”来包括一个或多于一个，独立于“至少一个”或“一个或多个”的任何其它实例或用法。
在本文档中，除非另有说明，否则术语“或”用于指示非排他性的或，以使得“a或b”包括“a而非b”、“b而非a”以及“a和b”。在本文档中，术语“包括(including)”和“其中(inwhich)”用作相应的术语“包含(comprising)”和“其中(wherein)”的通俗英语等效词。另外，在所附的权利要求中，术语“包括”和“包含”是开放式的，也即，包括除了在权利要求中的这样的术语后所列的那些元素之外的元素的系统、设备、产品、组成、形式或过程仍被认为落入该权利要求的范围内。此外，在所附的权利要求中，术语“第一”、“第二”以及“第三”等仅用作标签，而并非旨在暗示对其对象的数值的需求。
如本文所使用的，当指示附图标记时使用的“-”(短划线)，在前面段落中讨论的非排他性意义上表示由短划线指示的范围内的所有元素的“或”。例如，103a-b表示范围{103a，103b}中的元素的非排他性的“或”，以使得103a-103b包括“103a而非103b”、“103b而非103a”、以及“103a和103b”。
上面的说明旨在示例性的，而非限制性的。例如，上面所描述的示例(或其一个或多个方面)可以与彼此组合地使用。例如，本领域的普通技术人员在阅读上面的说明时可以使用其它的实施例。此外，在上面的具体实施方式中，可以将各种特征组合在一起而使得公开内容流畅。这不应解释为旨在未要求保护的公开特征对于任何权利要求都是必要的。相反，发明主题可以在于，其特征比特定公开的实施例的全部特征少。由此，所附的权利要求作为示例或实施例特此并入具体实施方式中，其中每项权利要求本身独立地作为单独的实施例，并且可以构思，这些实施例可以以各种组合或置换而彼此组合。应当参考所附的权利要求以及对这些权利要求赋予权利的等同内容的整个范围来确定实施例的范围。
- 还没有人留言评论。精彩留言会获得点赞！